前言

经历接近一年的开发、三个候选版本，Redis 7.0终于正式发布，这是Redis历史上改变最多的一个大版本，它不仅包含了50多个新命令，还有大量核心新特性与改进，这些不仅能够解决用户使用中的诸多问题，还进一步拓展了Redis的使用场景。

虽然Redis 7.0做了许多大胆的尝试，但是稳定性依然是最重要的基石。Redis官方在7.0的GA博文中也强调这一点：“While user-facing features are easy to boast of, the real “unsung heroes” in this version are efforts to make Redis more performant, stable, and lean.”（虽然面向用户的功能更容易得到称赞，但这个版本中的无名英雄是我们持续不断的对Redis的优化，使其变得更加精简、高效、稳定）。相信从这里可以看出，Redis发展至今稳定性始终被摆在最重要的位置，因此对于7.0的稳定性担忧大可打消。

下面请先跟随我们一同了解Redis7.0的几个核心新特性。

Redis7.0核心新特性概览

Function

Function是Redis脚本方案的全新实现，在Redis 7.0之前用户只能使用EVAL命令族来执行Lua脚本，但是Redis对Lua脚本的持久化和主从复制一直是undefined状态，在各个大版本甚至release版本中也都有不同的表现。因此社区也直接要求用户在使用Lua脚本时必须在本地保存一份（这也是最为安全的方式），以防止实例重启、主从切换时可能造成的Lua脚本丢失，维护Redis中的Lua脚本一直是广大用户的痛点。

Function的出现很好的对Lua脚本进行了补充，它允许用户向Redis加载自定义的函数库，一方面相对于EVALSHA的调用方式用户自定义的函数名可以有更为清晰的语义，另一方面Function加载的函数库明确会进行主从复制和持久化存储，彻底解决了过去Lua脚本在持久化上含糊不清的问题。

那么自7.0开始，Function命令族和EVAL命令族有了各自明确的定义：FUNCTION LOAD会把函数库自动进行主从复制和持久化存储；而SCRIPT LOAD则不会进行持久化和主从复制，脚本仅保存在当前执行节点。并且社区也在计划后续版本中让Function支持更多语言，例如JavaScript、Python等，敬请期待。

总的来说，Function在7.0中被设计为数据的一部分，因此能够被保存在RDB、AOF文件中，也能通过主从复制将Function由主库复制到所有从库，可以有效解决之前Lua脚本丢失的问题，我们也非常建议大家逐步将Redis中的Lua脚本替换为Function。

Multi-part AOF

AOF是Redis数据持久化的核心解决方案，其本质是不断追加数据修改操作的redo log，那么既然是不断追加就需要做回收也即compaction，在Redis中称为AOF rewrite。

然而AOF rewrite期间的增量数据如何处理一直是个问题，在过去rewrite期间的增量数据需要在内存中保留，rewrite结束后再把这部分增量数据写入新的AOF文件中以保证数据完整性。可以看出来AOF rewrite会额外消耗内存和磁盘IO，这也是Redis AOF rewrite的痛点，虽然之前也进行过多次改进但是资源消耗的本质问题一直没有解决。

阿里云的Redis企业版在最初也遇到了这个问题，在内部经过多次迭代开发，实现了Multi-part AOF机制来解决，同时也贡献给了社区并随此次7.0发布。具体方法是采用base（全量数据）+inc（增量数据）独立文件存储的方式，彻底解决内存和IO资源的浪费，同时也支持对历史AOF文件的保存管理，结合AOF文件中的时间信息还可以实现PITR按时间点恢复（阿里云企业版Tair已支持），这进一步增强了Redis的数据可靠性，满足用户数据回档等需求。

对具体实现感兴趣的同学可以查看本文末尾参考资料。

Sharded-pubsub

Redis自2.0开始便支持发布订阅机制，使用pubsub命令族用户可以很方便地建立消息通知订阅系统，但是在cluster集群模式下Redis的pubsub存在一些问题，最为显著的就是在大规模集群中带来的广播风暴。

Redis的pubsub是按channel频道进行发布订阅，然而在集群模式下channel不被当做数据处理，也即不会参与到hash值计算无法按slot分发，所以在集群模式下Redis对用户发布的消息采用的是在集群中广播的方式。

那么问题显而易见，假如一个集群有100个节点，用户在节点1对某个channel进行publish发布消息，该节点就需要把消息广播给集群中其他99个节点，如果其他节点中只有少数节点订阅了该频道，那么绝大部分消息都是无效的，这对网络、CPU等资源造成了极大的浪费。

Sharded-pubsub便是用来解决这个问题，意如其名，sharded-pubsub会把channel按分片来进行分发，一个分片节点只负责处理属于自己的channel而不会进行广播，以很简单的方法避免了资源的浪费。

Client-eviction

Redis支持内存规格配置，maxmemory和maxmemory-policy大家已经都很熟悉了，但是在这里我还是想再解释一下：maxmemory控制的是Redis的整体运行内存而非数据内存，例如client buffer、lua cache、fucntion cache、db metadata等这些都会算在运行内存中，如果运行内存超过了maxmemory就会触发evict删除数据，这也是用户在使用Redis时的一大痛点。

在这些非数据内存使用当中，又以client buffer消耗最大，在大流量场景下client需要缓存很多用户读写数据（想象一下keys的结果需要先缓存在client output buffer中再发送给用户），由于网络流量的内存消耗导致触发eviction删除数据的情况非常之多。虽然Redis很早就支持对client-output-buffer-limit配置项，但其限制的也只是单个连接维度的output buffer，没有全局统计client使用内存和限制。为了解决这个问题，7.0新增了maxmemory-clients配置项，来对所有client使用的内存做限制，如果超过了这个限制就会挑选内存消耗最大的client释放，用来缓解内存使用的消耗。

Client-eviction并不是终点，还有很多元数据的内存使用会对用户造成困扰，Redis是基于内存的数据库，我们需要对各个模块的内存进行更精确的统计和控制，让用户能够对数据存储有更为清晰的理解和规划。

Redis历史回顾

Redis发展至今已历经7个大版本，而每个大版本都有大量的新特性产生。例如从3.0开始支持cluster集群模式；4.0开发的lazyfree和PSYNC2解决了Redis长久的大key删除阻塞问题及同步中断无法续传的问题；5.0新增了stream数据结构使Redis具备功能完整的轻量级消息队列能力；6.0更是发布了诸多企业级特性如threaded-io、TLS和ACL等，大幅提升了Redis的性能和安全性。

国内开发者与Redis社区建设

感谢国内开发者，中国区已经成为Redis社区最大的贡献来源之一

阿里云从Redis 4.0开始就深度参与到Redis开源社区当中，向社区贡献了大量能力，目前阿里云在Redis社区共有1名core team member（核心维护者）和2名contributor（核心贡献者），是原作者和Redis Labs以外对Redis社区贡献最大的组织。

我们见证了Redis用户在国内的快速增长，阿里云与Redis社区的深度合作也逐渐吸引了更多的国内开发者参与到Redis建设中去。尤其是在Redis core team成立之后，社区maintainer也和Redis一样变成了多线程（1->5），对于issue和PR的快速处理大幅提升了社区的活跃度。这次7.0的release note中也可以看到已经有超过5名国内开发者贡献了核心feature，并贡献了近半数commit。

这些变化与我们在阿里云上的统计结果也是相符合的：Redis目前同样也已是国内用户使用规模最大的NoSQL数据库之一，并一直处于高速增长中，越来越多的泛互联网甚至传统行业也在逐步接纳Redis，用于快速高效的构建业务应用服务。

虽然Redis发展迅速，但国内用户却大都无法享受技术红利

Redis社区目前主流维护版本是6.0，5.0版本已经进入低维护阶段，而国内还有大量2.8，3.0，4.0版本在使用中。这就很矛盾，一方面，一些对用法，性能，稳定性和抖动控制的能力都贡献在了新版本上，另一方面，国内用户却“看的到，用不上”。

除去6.0，7.0上的高级稳定性优化不说，比如在4.0前，没有lazyfree删除一个大key是同步的会卡住数据库引擎直接导致业务中断。又比如，Redis其实安全性尤其是lua是一直有较大问题的，这些升级也都“隐含”在了新版本中。虽然阿里云仍然在坚持把这些漏洞的修复拉回到低版本上，但是在公网当中还是有大量的低版本实例存在安全风险。

过多用户担心升级版本的兼容性，一方面阿里云也在要求社区来提供一些兼容性验证工具，另一方面阿里云对版本跟进是很快的，可以让用户在新版发布后尽快进行验证。从Redis整体和阿里云的大量客户升级情况来看，版本的向前兼容性是非常好的，大可放心升级。

希望更多的国内用户深度参与社区建设

国外使用Redis的方式和国内使用明显有差异，比如国外更多的是使用在缓存场景，而国内大多数的用法却是内存数据库。社区的发展和roadmap的制定，目前国内用户的声音较小。

目前国内开发者在社区活跃度很高，但更多的是围绕在bugfix，和feature上。我们还是建议无论是国内开发者还是使用者可以深层参与进去，举个简单的例子，提需求、讲明白需求、证明需求的合理性都是参与社区建设，这样才能更好的把我们国内的需求传达，后续甚至可以深度参与开发，跟踪交付，这些社区工作的含金量无疑更高。

在功能上，不仅仅包括API层面的增加，包括接入，可观测性，一致性，一致性和安全等目前社区都在等待需求中。虽然core team member可以代表国内用户来把一些需求写进roadmap，但是真实用户的发声会提供更有力的支撑。

Redis使用场景拓展与展望--Redis还能做什么？

多模服务进入爆发期

Redis是一直贴着用户使用发展起来的，它如此受欢迎主要因为两个特点，极高的性能以及丰富、方便使用的数据结构，这些简单好用的数据结构能够大幅度降低开发业务复杂度。

我们可以看到，以Redislabs为代表的厂商正在大力的丰富Redis的数据结构（modules），如RedisSearch、Redis-Json、RedisGraph、RedisTimeSeries和RedisBloom等。

同样的，阿里云内存数据库Tair很早就在研发各类增强数据结构和模块，目前我们在公共云Tair服务中提供的商业化扩展型数据结构比Redislabs提供的更多，部分模块功能更强，有兴趣可参见文档（本文末尾参考资料）。

目前已有大量云上用户在利用Tair增强型数据结构来构建代码，提高开发效率，甚至完成此前难以完成的工作。2022年是一个Redis扩展结构的爆发年，业内已经渡过接纳期，进入高速发展阶段。无论是Tair还是Redis，我们相信不断丰富的数据结构能够让它们走的更远，从缓存演变为高性能的计算型内存数据库，突破、并解决更多场景问题。

一致性能力上的发展

落盘一致性和副本一致性是使用数据库绕不开的两个话题。长期以来许多人对Redis的应用场景仅仅认定为缓存（尤其是国外用户）。Redis自诞生之初便支持持久化机制RDB和AOF，并且AOF还提供了不同级别的持久化语义：如appendfsync采用最高级别always时可以保证数据完全落盘不丢失，具备与传统数据库一样的强落盘一致性。

在多副本一致性上，主要是指主备一致性上，原生的Redis仍旧采用异步复制，数据修改操作只要在本地执行完成就会返回结果，相比于其他数据库没有提供副本间数据强一致的语义。这也限制了Redis的使用场景，在对数据可靠性有极高要求的用户（例如金融行业，和传统行业）中还没有被完全接纳。

目前业内也都在对Redis的持久化能力上进行发展。比较有代表性的，是阿里云的Tair持久内存版、AWS的MemoryDB、和业内开源的一些Redis-like的基于rocksdb的系统，商业化如Tair的容量存储版（前混合存储）。

	Redis社区版	Tair持久内存	MemoryDB	基于rocksdb开源Redis-like系统
落盘一致性	可配置	optane全持久化	云盘全持久化	无，部分可配置
开启强落盘后写入性能	较低，大写入约60%	略低，约90% [1]	低，约15～25% [3]	低，大写入易stall后停服
副本一致性（主备）	无	强一致：半同步	强一致：物理复制	无
开启副本一致性后写入性能	-	较低，约70% [2]	低，约15～25% [4]	-

表1: 社区Redis和其他商业化、开源产品的落盘一致性与副本一致性对比

注1：与开源Redis社区版比较

注2：与开源Redis基于内存的使用成本比较

注3,4：来自AWS官方博客测试数据

综合来看，随着用户对Redis的应用范围的扩大，与此同时对于容量、成本和数据可靠性的需求也在不断提升，这些也逐渐成为了衡量Redis企业级能力的重要指标。各大厂商和开源产品也都在构建这些能力上提出了许多解决方案。下面介绍一些典型产品和方案。

AWS的MemoryDB

AWS MemoryDB的思路是基于类似Aurora的共享存储概念，把日志存放在远端共享存储中，同时内存中仍然保留Redis原有的结构。通过这种方式提升数据的持久化一致性，同时也保证了数据读取的延时和吞吐；而缺点则同样因为日志保存在远端，写入性能严重下降（仅有ElastiCache也即Redis社区版的15%~25%，该数据来自AWS官方评测，见本文末尾参考资料）。在主备一致性上，由于直接采取日志的物理复制，所以主备一致性近似接近落盘一致性。

值得一提的是原来AOF rewrite这种压缩（compaction）引起的开销也因为在远端做掉而规避掉，因此是一种很彻底的云原生解法。

阿里云自研内存数据库Tair

在持久化上阿里云走了另外一条路，通过引入新介质持久化内存来解决成本，大容量和持久化能力的问题。 这个方案带来的挑战是使用持久化内存存储结构设计上较为复杂，既要控制性能衰减，又要保证兼容性。Tair持久内存很好的解决了这些问题，对比MemoryDB成本更低，读性能基本持平的情况下写入的速度也更快（见本文末尾参考资料），更关键的是基本原封原样的兼容了Redis API，大幅降低了用户的切换成本。

并且，Tair持久内存型还支持半同步和强写入一致性，无论MemoryDB还是Tair持久内存都真正的做到了内存数据库的数据容错性要求。

其他开源产品的发展

国内也出现了一些原创性的优秀落盘开源产品（Redis-Like系统），这些产品大都基于LSM存储结构如rocksdb上的。它们的优点主要是磁盘介质相对内存更为便宜，但同样目前存在的缺点也非常多：运维复杂度较高，直接映射为运维成本、KV无法原生的支持Redis的数据结构、把Redis的强类型变成弱类型等等。

目前这类系统在一致性和容错性上仍有很大的改善空间 ，而在用户使用体感上，由于很多用户使用习惯还是把Redis-like系统用在业务的同步链路上，对于LSM KV引擎的延时上抖动整体吞吐的影响直接映射成了用户体感，因此很难作为一款通用型产品，而这些痛点也同样存在与Tair容量存储型中（过去叫混合存储版），这也是一个需要长期在存储和兼容性上优化的方向。

综上所述，容量版本可以很好地解决用户的使用成本问题，但是只有更好地解决了落盘一致性问题和副本一致性问题，才能够把Redis类系统的使用场景拓展到企业级。这也是目前看来云厂商一个激烈竞争的企业级产品主流赛道，也有较高的技术门槛。

写在最后

Redislabs在2021年8月正式更名为Redis，大家看到社区版Redis的主页也已经重构修改过了。本身Redis的商业化进度非常快，比如在主页上“夹带” Redis Stack；又比如在github上将一众常用的SDK都购买后，开始添加部分Redislabs商业化开源的支持等。最后Redis可能也会像MongoDB，ElasticSearch一样走向彻底的商业化。但目前社区仍是非常公开和活跃的。

Redis8.0的 feature计划已经开始，一方面我们也如上文所述，建议国内开发者更多的参与到深层次的社区讨论，让社区更多的向国内使用习惯靠拢，这对重度依赖Redis的国内企业情况是非常现实的；另一方面，能够通过社区参与来提升我们的人才竞争力，除去持久化系统，还有分布式架构，高吞吐低延时核心引擎，多模服务和脚本引擎，安全与审计等都需要持续投入。如果国内在Redis领域也能够有10～20名内存数据库的顶尖专家，那么即便是Redis走向商业化闭源其影响对国内用户都会非常小。

最后，欢迎大家使用Redis7.0，也愿我们一起在Redis等内存数据库技术上走得更远！（本文作者：仲肥）

参考资料：

[1]Redis 7.0 Multi Part AOF的设计和实现： https://developer.aliyun.com/article/866957

[2]Amazon MemoryDB 与 Amazon ElastiCache比较： https://aws.amazon.com/cn/blogs/china/comparison-of-amazon-memorydb-and-amazon-elasticache/?nc1=b_nrp

[3]Tair扩展数据结构概览： https://help.aliyun.com/document_detail/146579.html

[4]Tair持久内存型性能白皮书： https://help.aliyun.com/document_detail/185189.html